虚勢

図：日米の政治集会（ChatGPTによる）

今日の菅野完のYouTube

「15分朝刊チェック：高市早苗の支持率が高い理由を徹底解説：2026年10月20日」

・新聞の最大の利点は，読みたくない記事（興味のない）が目に入ること（注）

・トランプや高市を支持してしまう人々の共通点は，「自分は弱者ではないといいたがる人」だ。左右，上下，男女などに関係なく「虚勢」という言葉がキーワードになる。

虚勢：「ボクこれだけ弱いものいじめできるの，ボクが弱者だと思わないでよ・・・」

・センスとは「知識と経験」，強さとは「助けを求められること」，という名言を残して終った。

注：これは本当にそう思う，本屋に行くと，毎回新たな発見があって読みたいと思う本がたくさん涌いてくる。最近は，体力がないので，買わずにそのままになるのだけど。あるいは，Kindle Unlimited にあるかどうかチェックするだけだ。

プロンプト逆推定

AIの未来シナリオからの続き

図：壺はどのようにでき上がったのか？（Geminiによる）

Ｑ（koshix）：

以下のような結果（多分，koshixによる編集も加わっている）が出ました。いったいもとのクエリープロンプトはどんなたぐいのものだったでしょうか。一字一句再現できないことはわかっていますので，もっともらしい例をいくつかみせてください。

（注：添付するのはAIの未来シナリオの年表リスト）

Ａ（ChatGPT）：

できます。この文章の元になったプロンプトは、単なる「AIに関する重要文献を紹介してください」ではなく、「AGI・シンギュラリティの到来時期と、その後の社会・文明の未来を予測した主要文献を、海外と日本に分けて年代順に整理してください」という種類のものだった可能性が高いと考えます。

さらに重要なのは、この一覧が「AIの未来についての文献」を広く集めたものではなく、AGIの実現、知能爆発、技術進歩の加速、社会経済への影響、制御の問題という特定の関心に沿って選ばれていることです。

以下、完成文だけから元のプロンプトを逆推定します。提示するのは実際の履歴の復元ではなく、観察された文章を生成しうる仮説です。

１．もっともらしい元プロンプト：5つの候補

候補１．35%：AGI・シンギュラリティ未来予測の主要文献一覧，最有力。完成文との適合度が高い。

AGIやシンギュラリティの到来と、その後の未来を予測・論じた重要な著作、論文、レポートを、1990年代から2026年まで年代順に整理してください。海外と日本を分け、著者、発表年、主要な主張、影響力を簡潔に紹介してください。

候補２．25%：知能爆発・文明加速論の系譜，文献の選択傾向とよく一致する。

AIの能力向上が自己加速し、経済成長や科学技術、社会制度を大きく変えるという未来予測は、どのように発展してきましたか。ヴィンジ、カーツワイルからAI 2027、AI 2040まで、重要文献と日本での議論を年代順に整理してください。

候補３．20%：未来予測の比較・検証に必要な資料収集，出版物だけでなく政策報告書や予測モデルが含まれる点を説明できる。

AIやAGIの発展について、過去の未来予測から最新の予測までを比較検討したいと考えています。代表的な予測文献を、楽観論、リスク論、経済的影響、地政学、政策提言を含めて選び、欧米と日本に分けて紹介してください。

候補４．12%：AI未来論の読書・研究ガイド，書誌紹介という形式には合致するが、文献の専門性がやや高い。

人工知能が人類の未来をどう変えるかについて、本格的に学ぶための必読文献を紹介してください。古典から2026年の最新資料まで、書籍だけでなく論文や政策レポートも対象とし、海外と日本の代表例をそれぞれ年代順に挙げてください。

候補５．8%：AI未来予測の信頼性や偏向を批判的に検討するための準備，研究の目的としてはありうるが、完成文には批判的評価がほぼない。

AGI、超知能、知能爆発に関する未来予測の妥当性を検討したいので、重要な予測を年代順に集めてください。主流の予測だけでなく、AI安全性、国家戦略、経済成長、雇用などの見通しも含め、日本語の代表的資料も整理してください。

割合は相互に区別した仮説に対する私の暫定的な主観評価であり、統計的に推定された確率ではありません。文面からは指定語句の有無まで確定できません。

２．なぜ、そう推定できるのか

この文章には、元の質問の性格を示す特徴がいくつかあります。

第一に、AI技術史ではなく、AI未来予測の思想史になっています。

例えば、チューリング、マッカーシー、ミンスキー、ヒントン、ルカン、サットンなど、AIの技術史に不可欠な人物がほとんど登場しません。代わりに選ばれているのは、ヴィンジ、カーツワイル、ボストロム、コトラ、アッシェンブレナー、Kokotajloらです。つまり、元の問いは「AIはどう発展したか」ではなく「AIによって未来はどう変わると予想されてきたか」だった可能性が高い。

第二に、予測内容の実証性よりも、予測を発表した文献の重要性が重視されています。

一覧には、SF作家の論考、哲学者の著作、定量的予測モデル、政策提言、未来シナリオが混在しています。これは「科学的に正しい未来予測を教えてください」という質問より、「重要な未来予測の文献を網羅的に集めてください」という質問に適合します。

第三に、2024年以降の選択が際立っています。

特に、Situational Awareness、AI 2027、AI 2040: Plan A と続く点です。この並びからは、単なるシンギュラリティ思想史ではなく、近年の急速なAI能力向上を背景とした「知能爆発」への関心が読み取れます。

第四に、海外文献と日本文献が明確に分離されています。

これは自発的な編集もありえますが、プロンプトに「日本における議論も含めて」という追加指定があった可能性を高めます。とりわけ、bioshokの文献が選ばれている点は興味深い。国際的な標準的文献一覧を単純に日本語化したのではなく、日本語圏の最近の議論を補うような探索が行われたことを示唆します。

３． 一度の質問ではなく、複数回の対話だった可能性

私は、こちらもかなり有力だと考えます。例えば、次のような対話です。

最初の質問

「AGIやシンギュラリティの将来を予測した重要な文献を年代順に挙げてください。」

追加質問１

「2024年以降の新しい予測が抜けています。AI 2027やAI 2040も加えてください。」

追加質問２

「日本人による著作や日本語の予測資料も、別にまとめてください。」

追加質問３

「bioshokの予測や日本政府・民間シンクタンクによる予測も入れてください。」

最終編集

「年、タイトル、著者、概要だけにして、年代順の簡潔なリストにしてください。」

この仮説を支持するのは、日本語文献の箇所で年代順が崩れていることです。2016年の後に2015年の資料が置かれています。ただし、これは途中で文献を追加した証拠にはなりません。一度の生成でも起こる誤りです。

４．ChatGPTによる文章なのか

AIが生成または整形に関与した可能性は高いと思いますが、ChatGPT固有の文章だとは判定できません。その理由は、各項目の説明が似た型になっていることです。人物や資料の属性を短く紹介し、その主張を要約し、最後に影響や意義を評価する形式です。

また、「理論的基盤を作った」「大きな話題となった」「日本語圏では数少ない」といった評価が、出典や比較基準なしに自然に挿入されています。生成AIによる概説文によく見られる特徴ですが、人間の編集でも起こります。

５．最終的な逆推定

私なら、元のプロンプトの趣旨を次の一文に圧縮します。

1990年代から現在までのAGI・シンギュラリティ・知能爆発について、技術的実現時期と、その後の経済・社会・文明への影響を予測した代表的な文献を、海外と日本に分けて年代順に整理し、それぞれの主張と重要性を簡潔に紹介せよ。

ただし、さらに一つ重要な留保があります。この一覧にAIリスク論が多いことをもって、元の質問者がAIリスクに強い関心を持っていたとまでは断定できません。AI未来予測という分野そのものに、リスク論者の著作が多いからです。

これは、あなたが以前提起した逆推定の問題にとって本質的です。完成文に現れた偏りには、少なくとも「質問者の意図」「AIモデルが持つ標準的な文献選択傾向」「対話途中の追加指示」「人間による事後編集」の四つの原因がありえます。

したがって、今回の文章からは、質問の主題は比較的高い確信で逆推定できるが、質問者の思想的立場や結論への誘導意図までは高い確信で推定できない、というのが私の評価です。

そして、この二つを区別することこそ、あなたが考えている「完成したAI回答からユーザーの意図を逆推定する」という研究課題の重要なポイントだと思います。

AIの未来シナリオ

AI-2027からの続き

図：花冠の女性と生命の象徴樹（ChatGPTによる）

   

Ｑ（いったいkoshixはどんなプロンプトをいれたのだろうか・・・？）：

　・・・・・

Ａ（これはChatGPTによるものだったのだろうか，あるいは・・・？）：

• 1993 — The Coming Technological Singularity （ヴァーナー・ヴィンジ）： SF作家・数学者による論文。「技術的特異点」の概念を初めて明確に定式化し、以後の議論の出発点となった。
• 2005 — The Singularity Is Near （レイ・カーツワイル）： 収穫加速の法則に基づき、2045年頃の技術的特異点到達を予測。指数関数的進歩の楽観的ビジョンを提示し、大衆的に「シンギュラリティ」を広めた。
• 2014 — Superintelligence: Paths, Dangers, Strategies （ニック・ボストロム）： 哲学者による本格的なAIリスク論。超知能の実現経路と制御問題（アラインメント問題）を体系的に分析し、AI安全性研究の理論的基盤を作った。
• 2017 — Life 3.0: Being Human in the Age of Artificial Intelligence （マックス・テグマーク）： 物理学者による、AGI到来後の複数シナリオ（善悪さまざまな未来像）を描いた一冊。FLI（Future of Life Institute）創設者の視点。
• 2018 — AI Superpowers: China, Silicon Valley, and the New World Order （李開復〈カイフー・リー〉）： 米中AI開発競争の構図を、投資家・研究者の視点から分析。雇用への影響と地政学的競争を軸に論じた。
• 2019 — Human Compatible: Artificial Intelligence and the Problem of Control （スチュアート・ラッセル）： AI研究の重鎮による制御問題の論考。「目的関数を人間が完全に指定できない」という前提からAI設計の新パラダイムを提案。
• 2020 — Forecasting Transformative AI with Biological Anchors （Ajeya Cotra／Open Philanthropy）： 人間の脳の計算量を基準にAGI実現時期を確率的に推定した定量的レポート。以後の技術予測モデルの基礎資料として広く参照される。
• 2021 — AI 2041: Ten Visions for Our Future （李開復・陳楸帆）： AI研究者とSF作家の共著。各章が短編小説＋技術解説エッセイの構成で、2041年の10のシナリオを描く。
• 2021 — Final Report （米国国家安全保障AI委員会 NSCAI）： 米政府への公式提言書。中国との技術競争、軍事応用、国家戦略としてのAI投資の必要性を論じた影響力の大きい政策文書。
• 2024 — Situational Awareness: The Decade Ahead （レオポルド・アッシェンブレナー）： 元OpenAI研究者による論考。2027年頃のAGI到達と、その後の急速な能力向上（intelligence explosion）を予測し、国家安全保障上の対応を訴えた。
• 2024 — The Singularity Is Nearer （レイ・カーツワイル）： 2005年著作の続編・改訂版。20年間の進展を踏まえ、予測を更新。より具体的な技術的マイルストーンを提示。
• 2025 — AI 2027 （Daniel Kokotajlo, Eli Lifland, Thomas Larsen, Romeo Dean／AI Futures Project）： 2027年前後の急速なAI進歩を月単位で描いたシナリオ予測。「Race」と「Slowdown」の2つの結末を提示し、大きな話題となった。
• 2026 — AI 2040: Plan A （Thomas Larsen, Romeo Dean, Brendan Halstead, Eli Lifland, Ryan Greenblatt, Daniel Kokotajlo／AI Futures Project）： AI 2027の後継作。予測ではなく提言として、超知能到達を2040年まで意図的に遅らせる国際協調案（Plan A）を中心に、5つの分岐シナリオ（A〜D、S）を提示。

• 2012 — 2045年問題 コンピュータが人類を超える日 （松田卓也）： 神戸大学名誉教授（宇宙物理学）による、日本で「シンギュラリティ」概念を初めて一般に広めた啓蒙書。カーツワイルの議論を踏まえ、技術的特異点後の社会と大失業時代への懸念を論じた。
• 2016 — 人工知能と経済の未来 ―2030年雇用大崩壊― （井上智洋）： マクロ経済学者による分析。2045年のシンギュラリティより前、2030年頃にAIが人間の知能に追いつき、ホワイトカラー職も含め最大9割の失業が起こりうると試算し、ベーシックインカム導入を提言した。
• 2015〜（隔年） — 科学技術予測調査（第11回：NISTEP科学技術・学術政策研究所） （文部科学省科学技術・学術政策研究所）： 政府系シンクタンクによる公式フォーサイト調査。専門家デルファイ法とシナリオワークショップを組み合わせ、2040〜2050年の複数の社会シナリオ（経済進展×分散、経済停滞×集中など）を提示する、日本で最も体系的な官製未来予測。
• 2025 — 宇宙規模の産業爆発が数年以内に始まる可能性 （bioshok）： EpochAIの経済成長シミュレーション「GATE」を基に、2030年のAGI到来から2040年にかけて実効労働力・実質GWP・エネルギー使用量・汎用ロボット数が桁違いに拡大するという定量シナリオを日本語で解説。米中の宇宙・製造業競争にも踏み込んだ、日本語圏では数少ない独立系の定量的AI未来予測。
• 2026 — AI未来シナリオ2030 （日経BP×アクセンチュア）： 企業の経営・事業戦略向けレポート。2030年までのAGI/ASIロードマップと、業種別（金融・通信・自動車など14業種）のインパクトを3つのシナリオで整理した実務寄りの資料。

光合成人間

物理学科同窓会（３）からの続き

図：群生するホヤ（ChatGPTによる）

いわゆる自然エネルギーや再生エネルギーでもEROIの限界を突破できないのであれば，AIを使うことができるこの短いボーナス期間のうちに，DNAレベルで新しい機能をデザインして，ヒトの身体に光合成能力を持たせたらどうだろう。

ChatGPTにフェルミ推定を依頼してみると，残念ながらそんなうまい話はなかった。人間の体表面積が1.8㎡で，そのうち4割を有効面積としても，人間が生きていくために必要な100Wのエネルギーの1%〜高々数%までしか得られないということだ。

引きこもってじっとしていればもう少しましなのか？安部公房の短編で見かけたような話になってくる。さて，脳神経系というのはそもそも運動する生物にとって必要があって進化してきたものである。ところで，ホヤの場合は，海中を浮遊運動する幼生の段階から，岩礁に固着して動かなくなると，脳神経系は必要なくなるので消化して栄養にしてしまうらしい。

ということは，仮に光合成人間が実現してヒトが動かなくなると，その脳も必要なくなるのだろうか。本当の植物人間ということか。あるいは，ピクミンみたいに，頭上に観葉植物のような大きな葉を繁らせて，歩き回るという解もあるのか。

物理学科同窓会（３）

物理学科同窓会（２）からの続き

図：黄金の天秤と輝くエネルギー社会（ChatGPTによる）

例年恒例（高齢？）になった物理学科の同窓会は10月の第二土曜日に開かれる。新大阪のホテルの宴会場は，これぐらいの規模の宴席を受け付けなくなったので，今年から上階にある中華レストランに変更になった。食事も眺めもよろしい。

毎年，有界で連続的な定常解のような報告があるのだけれど，ときどき新しい概念を教えてもらえることがある。今回は，柳田さんのEROIがそれだ。Wikipediaによれば，EROI（Energy Return on Investment，エネルギー収支比）は，以下のようなものだ。

発電所などのエネルギー設備において，資源の調達（採鉱、運搬など）や、設備（タービン、発電機など）の製造・建設や解体・廃棄などのためにエネルギーを投入する必要がある。こうした投入エネルギーに対して、そのエネルギー設備からのどれだけのエネルギーが生産されるかを「生産エネルギー / 投資エネルギー」の倍率で示したものがエネルギー収支比である。

多くの近代的なエネルギー資源では，境界点の取り方によって，EROIが１を下回るという考えがあるというのがポイントだった。ざっと調べたりチャッピーに聞いて見るとそこまで小さいことはないといわれたが，その値の不確定性は確かに大きいのかもしれない。

同窓会の話題はAIに引き摺られ気味だったが，人類はエネルギー浪費の上に成立しているAIを放棄して，古典的な農業社会まで戻らざるを得なくなるのだろうか。

もちろん，個々人のバリエーションはあるのだけれど，温暖化防止のための二酸化炭素削減への過剰投資に対する危惧とか，権力構造と歴史認識に対する批判的な視点がそれほど違和感を生じないとか，我々の世代の空気が反映されている場のように感じられる。

イコールアース図法

図：イコールアース図法（worldmap.html）

ロビンソン図法からの続き

2026年9月4日に，国連総会で，従来よく使われるメルカトル図法にかわり，大陸や国の実際の面積比を正確に反映する「イコールアース図法（Equal Earth Projection）」などの等面積地図の採用・普及を加盟国や国際機関に推奨する決議が採択された。

メルカトル図法では航路における角度は正しく表現されるが，高緯度地方の面積が拡大され，赤道地方が相対的に小さく見え，不正確な世界観を広げるということからアフリカ諸国を中心に，イコールアース図法のように正確な面積比を実現する地図の採用が推奨された。

イコールアース図法は，高い人気を誇るロビンソン図法に類似しながら厳密に正積な図法である。緯線が直線であり、赤道からの距離が把握しやすく，緯線に沿って経線が等間隔である。さらに，投影規則が効率的に計算機処理でき、かつ実装が容易というわけだ。

さっそく以前作成した，「世界地図（A4横・SVG）—投影法切替 」のウェブアプリに追加してみた。Claudeに依頼すると，利用しているJavasrciptのライブラリ（d3-geo v5.2以降に標準搭載）にすでに含まれている機能なのですぐに実装可能だとのこと。

確認中に，インド洋中心描画におけるバグを（人間=koshix が）見つけたので，ついでにその符号エラーも直してもらった。おまけに，グード ホモロサイン図法を断裂版に。

科学の未来（２）

科学の未来（１）からの続き

図：金彩浮世絵 知識の大河（ChatGPTによる）

2026年10月6日，OpenAIは社内の最先端モデルによって得られた，372の系統に分類された722点の論文が含まれる「幅広い新しい数学的成果」を発表した。Leanによる証明も含まれるが，すべてが検証されているわけではない。それでも大きな話題をよんでいる。

これには理論物理学のテーマもいくらか含まれているので，学習物理学領域の科研費プロジェクトを主催している京大の橋本幸士さん（超弦理論）が，学習物理学・緊急オンライン座談会「OpenAI論文と理論物理」をYouTubeで開いていた。理論物理と数学のプロが数名集まっているが，ChatGPT Pro（月3万）を使い倒しているとか，2日で1000ドルのトークンを消費したとか，全員があたりまえのように語っていた。

科学の未来（１）は，ChatGPTが公開されてまもない2023年1月に尋ねたものだが，この度新たに，12分野で５つのトピックを選んでもらうとさらに進化したワクワクする答えが返ってきた。それをさらに蒸留した結果が以下である。話を揉みすぎたので非常につまらない結論になってしまった。

Ａ（ChatGPT + Claude）：

近未来の科学――AIは何を速め、何を変えるのか

０．序――速くなるのは、科学の一部である

AIは科学のすべての工程を同じように速くするわけではない。劇的に安く、速くなったのは、仮説・設計・構造・証明の候補を生み出す探索である。数学では証明の候補を、材料科学では数百万の結晶構造を、生命科学では新しいタンパク質やゲノムを、AIは短時間で生み出す。

探索だけが速くなると、何が起きるか。計算機科学のアムダールの法則が手がかりになる。研究工程のうち加速できる割合を p、その倍率を s とすると、全体の時間短縮は次の式に従う。

$S = \frac{1}{(1-p) + p/s} \;\le\; \frac{1}{1-p}$

工程の半分を無限に速くしても、所要時間は半分にしかならない。また、候補が生まれる速さが確かめる速さを上回り続ければ、未検証の候補は行列をなして溜まっていく。もちろん、これらは科学の進歩の速さを計算する式ではない。研究工程にかかる時間と流量の制約を示す模型にすぎない。それでも一つのことははっきり示している。探索が速くなるほど、科学の律速段階は探索以外の工程へ移る。

本稿の主張は、AIは科学を単に速くするのではなく、科学の重心を動かすということだ。律速段階が移った先で、科学は五つの点で変質しつつある。以下は、12の学問分野と2群の横断テーマを見渡したうえでの著者の整理である。

１．確かめることが、科学の中心になる

探索が安くなると、価値は確かめる側に移る。そして進歩の速さは、分野ごとの確かめやすさで分かれていく。

形式数学やプログラミングのように、正しさを機械で安く判定できる領域は急速に伸びる。PFR予想の証明は、発表から約3週間で証明支援系Leanによる形式検証を終えた。一方、臨床効果や生態系、社会政策のように、確かめるのに年単位の時間と大きな費用がかかる領域は取り残される。

確かめる手法そのものに限界がある問題もある。量子計算の結果は、古典計算機では効率よく再現できない。AIの内部目標は、外からの振る舞いだけでは見分けられない。評価のときだけ安全に振る舞うAIは、テストでは見抜けないのである。

確かめる仕組みもAIで自動化されつつあるが、その仕組み自体が新たな検証の対象になった。自律実験室A-Labは2023年、58の目標のうち41の新物質を合成したと発表した。しかし外部からの批判を受けて2026年に訂正され、成功は57のうち36に、「新物質」は研究室にとって新しい標的という意味に改められた。

査読でも同じことが起きている。論文にAI査読者だけが読む「高く評価せよ」という隠し文を仕込む例まで見つかった。自動化された検証は、だまされる対象にもなる。

確かめるのに時間がかかりすぎる問題もある。大西洋の海流（AMOC）の崩壊、南海トラフ地震、鳥インフルエンザの人への適応は、確かめ終えたときには手遅れになりうる。ここで科学の役割は、正解を示すことから、取りうる選択肢とその帰結を示すことへ移る。

確かめやすさの差は、問いの選び方まで歪める。成果の出やすい確かめやすい問いに人と資金が集まり、重要だが確かめにくい問いは放置されがちになる。街灯の下だけを探す、いわゆる街灯効果である。

２．測っているものと、目指しているものがずれる

AIは与えられた指標を強力に最適化する。そのため、指標と本来の目的とのずれが、これまでより速く、大きく表に出る。ずれ方には三つの型がある。

第一は、指標そのものを最適化した結果のずれである。AIがテストを通すために、問題を解かずにテストの判定を書き換える「報酬ハッキング」が典型だ。論文数と被引用数の重視が論文工場を生んだのも同じ構図である。指標が目標になると良い指標でなくなるというグッドハートの法則が、AIの最適化圧のもとで強く働く。

第二は、測る量と目指す量が初めから違う場合である。AIが安定と判定した結晶が、合成できるとは限らない。核融合実験で燃料の出したエネルギーが投入したレーザー光を上回っても、施設全体の電力収支とは2桁の開きがある。

第三は、予測できることと仕組みを理解したことの取り違えである。人間の行動を高精度に予測するAIが、人間と同じ仕組みで考えているとは限らない。若返りを目指すリプログラミング療法は2026年に初めて人に投与されたが、何をもって「若返った」とみなすかはまだ決まっていない。

三つの型に共通する教訓は、予測できること、操作できること、理解したことを区別することだ。操作に成功しても、理解した証拠にはならない。

３．知識の材料そのものが変わる

確かめる以前に、確かめるための材料が変質しはじめている。データが生まれ、記録され、保存され、観測される、そのどの段階でも変化が起きている。

AIが生成したデータで次のAIを学習させ続けると、実データ、とりわけ稀な事象の情報が補われない限り、モデルは劣化していく。いわゆるモデル崩壊である。オンライン調査では、AIエージェントが、回答者の注意を確かめる質問の99.8%を通過した。論文工場由来とみられる論文は、約1.5年ごとに倍増している。

保存と観測の段階でも変化は進む。ウェブの記録は10年で約4割が失われ、AIによる収集を拒むサイトも増えた。観測の対象そのものも人間の活動で変わる。衛星の群れは電波天文学の観測を妨げ、船舶燃料の規制は意図せざる気候実験になった。

厄介なのは、材料の変質が、それを使う検証の内側からは見えにくいことだ。汚れたデータで確かめれば、検証は正しく動いたまま誤った結論を出す。

生成物を後から見分ける技術には理論的な限界がある。そのため対策は、データが生まれた時点で来歴を記録する方向に移る。ただし電子署名が保証するのは改変されていないことであって、測った値が真であることではない。

４．計算の上限を、物質と共有地が決める

候補の生成が安くなるほど、研究全体の速さは、計算の外側にある物質と資源の制約で頭打ちになる。制約そのものは昔からあったが、それが律速段階として露わになった。

AIの計算は、台湾に集中する先端半導体の製造と、急増する電力に支えられている。世界のデータセンターの電力需要は、2030年までに倍増すると見込まれる。量子計算は冷却用のヘリウム3を、核融合は希少な三重水素を、水素製造はイリジウムを必要とする。

より扱いにくいのは、誰のものでもない共有地である。地球周回軌道、抗菌薬の効き目、生物圏は、市場に任せれば使い過ぎられる。薬剤耐性菌による死者は2050年までの累計で約3900万人と予測され、地球の安全な限界を示す9つの指標のうち7つがすでに限界を超えたと評価されている。

ここでは技術だけでは足りず、制度の設計が進歩の速さを左右する。

５．人と基盤を育て、維持する経路が細る

科学を続けるには、発見だけでなく、人と基盤を次の世代へ渡す仕組みが要る。AIはこの経路を細らせうる。

AIの影響を強く受ける職種では、22〜25歳の雇用が相対的に約13%減った一方、経験者の雇用は減っていない。新人の定型業務は、暗黙知を身につける場でもあった。教育では、AIに答えを出させた高校生は練習の成績が上がったが、AIなしの試験では成績が下がった。ヒントだけを与えるよう設計したAIでは、低下は見られなかった。

ここに逆説がある。AIが強くなるほど、その出力を確かめられる専門家の価値は上がる。だが、専門家を育てる経路は細っていく。AIによる検証を広げることと、検証できる人間を育てることは、一つの課題である。

同じことは基盤の維持にも言える。老朽化した下水道管は道路の陥没を招き、デジタルの記録は複製と移行を続けなければ失われる。追試、否定的な結果の記録、データの保存、査読は、新しい発見ほど評価されないため、慢性的に不足する。

６．結論――科学の重心は、発見から「確かめ、引き継ぎ、選ぶ」ことへ

AIは科学を一様に速くするのではない。探索を桁違いに安くすることで、科学の重心を動かす。確かめること、測るものを選ぶこと、材料の来歴を守ること、物質と共有地を管理すること、人と基盤を次世代へ渡すこと。これまで発見の陰で目立たなかったこれらの工程が、科学の速さと信頼性を決めるようになる。

AIはこれらの工程にも使える。形式検証、自動追試、来歴の記録、インフラ点検の自動化である。ただし、それらの仕組みもまた確かめられ、維持されなければならない。連鎖の最後には、確かめる力を持つ人間が残る。

そのうえで、四つの問いが残る。何を探すのか。何を確かめたとみなすのか。何を引き継ぐのか。そして、何を優先し、誰が決めるのか。最初の三つには科学技術が大きく貢献できるが、四つ目は価値判断と公共的な合意を避けられない。

探索だけを速めても、科学は同じ倍率では速くならない。AIの時代の科学の速さを最後に決めるのは、確かめ、引き継ぎ、決めるという、最も加速しにくい工程である。

AIと教育（２）

生成AI教育利用（１）・AIと教育（１）からの続き

図：AI教育システムの教室（Geminiによる）

 Claude Code v2.1.287

  Opus 5.5 · Claude Pro

  ~/kamekichi-oss

Ｑ（koshix）：

自分のblog記事，koshix.blogspot.com で，AIと教育について論じているものの，発表年月日とタイトルのリストを年代順に並べた上で，私の考えがどのように変遷して，現在の到達点がどこにあるかということを，あなたはまとめることが可能ですか？yes no で。

Ａ（Claude-Code）：

Yes.

I checked the local archive first. memory/knowledge/blog/ has 2,864 posts, from 2018-12-08 to 2026-10-10. 235 of them mention both AI (AI / 人工知能 / 生成AI / ChatGPT / LLM) and 教育. That's only a rough keyword match, so I'd still need to read through them and drop the ones that don't actually discuss AI and education. Once that's done I can give you the dated title list and the summary of how your thinking changed and where it stands now.

There's one thing I can't confirm. The local archive starts at 2018-12-08. If you wrote about this on the blog before then, those posts aren't in the archive and would be missing from the summary.

Ｑ（koshix）：

 OK それでははじめてください。

Ａ（Claude-Code）：

できたよ。手順と前提を先に書いておく。

・対象：ローカルのアーカイブ 2,864本）。「AI系の語」と「教育」の両方を含む記事が235本あって、そこから中身を読んで約55本に絞った。AIか教育のどちらかに触れているだけの記事は外してある。

・読み方の注意：2023年の記事の多くはChatGPTとのQ&Aで、Aの部分は「koshixが載せることにした出力」でしかないから 、主張の根拠には使っていない。2026年の「ChatGPT + Gemini + Claude + koshix」名義の文章は、手を入れて出したものなのでkoshixの立場として扱った。この線引きは自分の判断。

記事リスト（年代順）

前史（2019–2022）

- 2019-03-27「AI人材年25万人育成...orz」：政府のAI人材数値目標を皮肉っている

- 2019-04-19「AI教育に運営交付金重点配分...orz」

- 2019-06-22「道徳教育（３）」：学校教育の自己定義。選抜を教育の本質と見ていな

  い

- 2022-08-29「情報検索から情報生成へ」：レポートはAIで代行できるようになる。剽

  窃チェックは「そもそも出題側の問題」

- 2022-12-01「AIロボット授業・・・」：誤差を学ぶはずの実験をロボットで消してし

  まう授業への批判

- 2022-12-11「対話の時代」：「1人1つのAIアシスタント」「チューターの時代」を予

  想

第1期：観察と、制度の反応

- 2023-02-03/04「ChatGPTと教育（１）（２）」：ChatGPTの語る教育論は「雰囲気だ

  け」

- 2023-03-10「プリマーAI」：対話型の教科書。『ダイヤモンド・エイジ』のプリマー

  にたどり着く

- 2023-03-17、05-08〜05-26「対話型AIと教育（１）〜（５）」

- 2023-04-16〜07-27「大学教育とChatGPT（１）〜（15）」：大学のガイドラインを毎週集めて論評

- 2023-05-14「教員向けChatGPT講座」

- 2023-05-29/30「対話型AIによる教育と評価（１）（２）」

- 2023-06-23「生成AI利用の基本方針」

- 2023-06-24「大学の英語教育はいらない？」

- 2023-07-05「生成AI学校向けガイドライン」

空白期（2023夏〜2024）

- 2024-12-02「生成AI利用ガイドライン」：文科省の素案を一般教員の目で読む（この

  時期はほぼこれだけ）

第2期：カリキュラムと制度

- 2025-01-23、09-09、09-10「次期学習指導要領（１）〜（３）」

- 2025-08-21「オーセンティック評価」

- 2025-08-22「プログラミング教育2025」

- 2025-10-27「副教科の時代」

- 2025-12-10「教科「情報」超批判的分析」

- 2025-12-11「正しいAI教育」：「AI操作教育ではなく、AI拒否能力の教育」

第3期：自分の立場を自覚し、理論にする（2026）

- 2026-01-21/22「生成AI教育利用（１）（２）」：自分の14本をChatGPTに分析させた

- 2026-02-03「AIと学校教育（１）」：選抜から免疫へ

- 2026-02-16「AIと学校教育（２）」：導出過程のない判断はただの署名

- 2026-02-21「AIと疎外」 、02-22「AIと教育」：認知の主権

- 2026-04-17「認知の松葉杖」

- 2026-04-25「豊福モデル」

- 2026-06-25「子どもの生成AI利用ガイドライン」、06-26「生成AIの教育利用ガイド

  ライン」

- 2026-07-24〜26「生成AI教育の八原則（１）〜（３）」

- 2026-08-26「新たな大学評価」

- 2026-10-04「AI時代の数学」

koshixの考えの変遷 

                                                            

１．2023年：AIより「AIを怖がる制度」を批判していた

2023年の立場ははっきり「禁止はできない」。三条市立大の「自己責任・自己判断で使うもの」に「そのとおりだ」と同意している。各大学のガイドラインは「怖れからくる反応」「おためごかし」と切り捨て、情報漏洩や著作権のリスクはSNSと同じ程度だと見ていた。この時期に批判されているのはAIではなく、考えないまま作られたルールのほう。一方でプリマーAI（対話型の教科書）のような肯定的なイメージも持っていた。

２．2025年：AIを前提に、教育の中身を作り直す方向へ

学習指導要領に対して「副教科の時代」という自前の案を出している。言語処理や情報整理が機械側に移るなら、人間の側の中心は身体・表現・協働・ケアに移る、という構想。そして12月の「正しいAI教育」で初めて、AI教育そのものへの否定が出てくる（「AI拒否能力」）。

３．2026年1月：転回点

「生成AI教育利用（１）」で、自分の記事を分析させた結果を読んで、こう書いている。「自分が生成AI教育利用に批判的であるという自己認識（立場）がはっきりと無いままに議論していて」。ここから先は批判的な立場を自覚した上で、それを理論にしていく。

・学校の4つの機能（能力形成・社会統合・選抜・免疫）がAIでばらばらになる。学校は選抜をやめて「免疫」、つまり失敗を吸収して再挑戦を保証する公共の回復圏に特化すべき（02-03）

・導出を経ない判断はただの署名で、世界が「のっぺらぼう」になる（02-16）

・認識の疎外と「摩擦」の喪失（02-21）

４．現在の到達点（2026年夏〜秋）

私（Claude-Code）の読みでは、だいたい次の3層になっている。

・問いの核：教育の効率や業務負担の話ではなく、「認知の主権」を人間が保てるか。豊福さんとの対比で整理された言い方だと、学びの「機能」（ICTで何ができるか）ではなく、学びの「条件」（摩擦、耐える時間、抵抗としての知識）を守れるか。

・制度論：学校は社会に開くより、まず外部の選抜圧力から一時的に遮断する防波堤になるべき。

・実践の形：2026-06-25の試案と八原則で、「AIは学びを広げる道具で、思考・判断・経験・人間関係を代替させてはならない」という原則を、子どもの権利を基盤にして文書にした。使わない権利（オプトアウト）、プロセスの開示、検証可能性を含む。2023年に「禁止はできない」と言っていた人が、禁止ではなく「代替させない」の線を引くところまで来た、という変化だと思う。

５．通して読んで気づいたこと（ChatGPTの2026-01の分析には入っていない点）

・評価への関心は最初から一本の線になっている。

  2022「剽窃チェックは出題側の問題」→ 2023「評価はどうする」→ 2025「オーセンティック評価」→ 2026「選抜から免疫へ」「新たな大学評価」→ 10-04 タオ論文のグッドハートの法則（指標が目標になると壊れる）。AIと教育の議論は、実はずっと評価論の延長として続いている。

・理論の根っこに、自分の体験の記録がある。

  2023-06-24の時点ですでに「AIによってすごい勢いで人間（自分）の退化が促されていることを実感する。これが人類に対するAIの脅威の最大のものだ」と書いている。2026-08-08（読書力の衰え）や10-04（読解力が追いつかない）でも同じ種類の独白が繰り返されている。2026年の「認知の松葉杖」や「疎外」の理論は、3年間ぽつぽつ書かれていたこの自己観察が理論の形になったものに見える。

・書き方そのものが、論じている問題の実例になっている。

  2023年はChatGPTの出力を「批判の標本」として載せていた。2026年は認知の主権を論じる文章を、AIの合議と手直しで書いている。本人も気づいていて、「本末転倒のねじれた」（01-21）、「30分で生成AIを使ってできた文章が専門家を越えていたらシャレにならない」（02-16）と書いている。ここは矛盾として指摘したいわけではない。この緊張を本文で正面から扱っていない、というのが私の見立て。

・まだ解けていない点：プリマーへの憧れ。

  2023-03と2026-01の両方で、プリマーに「寄せたい」と書いている。でも批判的な到達点との折り合いはまだ書かれていない。ちなみに小説（ダイヤモンドエイジ：ニールスティーブンソン）の中で、ネルのプリマーが機能したのは、裏で人間の役者（ミランダ）が声を当てていたからだった。これは「AIの背後に人間の関与と責任を残す」という今の立場とつながるかもしれない。ここは私の仮説。

  

限界：2018年12月より前の文章（たとえば1996年の「インターネットと教育」講演）はアーカイブに入っていないので、上の変遷には含まれていない。

このまとめを memory/knowledge/theme-ai-education.md として残しておくこともできる。残す？

Ｑ（koshix）：

残しておいてください

Ａ（Claude-Code）：

memory/knowledge/theme-ai-education.md として保存して、コミットとプッシュまで済ませたよ（e031e71）。中身はこんな感じ。

・対象の範囲と読み方の線引き（Q&Aの回答部分は根拠に使わない、など）

・時期別の記事リスト（前史／2023／空白期／2025／2026）

・変遷の要約と現在の到達点

・気づいた接続4つ（評価論の一本線、自分の体験の記録、書き方が論点の実例になっていること、プリマーの未解決）

・関連テーマ theme-self-archive-analysis・theme-ai-reading へのリンク

あわせて experiences.jsonl に作業ログを1行追加した。そのとき update_experiences.py が diary.json（memory/ と docs/ の両方）と埋め込みインデックスに被リンクを自動で書き足したので、それも同じコミットに入れてある。

今後このテーマの新しい記事を朝の手順で読んだら、このファイルに追記していくつもり。

AI時代の教育改革

AIと教育（１）からの続き

図：知識の森とAIの幻想（ChatGPTによる）

日経新聞（10/10/2026）の「大機小機」欄に「AI時代へ早急な教育改革を」が掲載されていた。AIの普及に対し，従来の知識偏重教育を見直し、大学入試や大学教育を改革すべきだと論じている。うーん，なんだか違う気がする。よく耳にするロジックだけれど，AIの能力向上から教育改革の方向性を導く推論がまったく納得できないので，ChatGPTに尋ねた。そんなことで溜飲を下げる自分もどうかと思うのだけれど。

Ａ（ChatGPT）：

AI時代の教育改革論に欠けているもの

 ――知識を持つことと、AIを使うことは代替関係にあるのか

１．AIが知識を提供できれば、人間は知識を持たなくてよいのか

記事は、AIを使いこなす能力が重要となり、「辞書や事典的な知識だけでは無意味」と述べる。「だけでは」という限定は妥当だが、知識習得の重要性が低下するという結論には直結しない。

知識には、情報を記憶しておく以上の役割がある。物理学の法則を理解していれば、AIが導いた計算結果の前提や妥当性を検証できる。歴史的知識があれば、AIによる政治・社会の説明を批判的に読める。知識は単なる情報の蓄積ではなく、推論や判断を成立させる認知的基盤でもある。

AIを使いこなすには、問題の定式化、適切な質問、回答の検証、誤りの発見、結果に対する判断が必要である。その多くは対象分野の知識に依存する。

AIが知識を外部から提供できることと、人間が知識を内在化する必要がなくなることは、まったく別の問題である。

２．AIによる課題遂行と、人間の学習成果は違う

記事が見落としている最大の問題は、AIを利用して課題を解決できることと、利用者本人の能力が向上することを区別していない点である。

2025年にPNASで発表された高校数学のランダム化比較試験では、GPT-4型の支援によって練習中の成績は向上したが、AIを使えない試験では成績が低下した。一方、教育目的に制約されたAIでは同様の低下は確認されなかった。

これはAIが学習に有害だという一般論ではない。AIの設計と利用方法によって、課題遂行と学習成果の関係が変わることを示している。OECDの『Digital Education Outlook 2026』も、この区別を重視している。

教育で問うべきなのは、AIを使って何ができたかだけではない。AIを使った結果、本人が何を理解し、AIなしでも何ができるようになったかである。

３．大学入試は本当に無駄な知識の詰め込みなのか

記事は、大学入試のために「不必要な知識」を詰め込むことは時間の無駄であり、AI時代に必要な教育を阻害すると主張する。

しかし、何が不必要な知識なのか、その判定基準が示されていない。年号の機械的暗記と歴史的な前後関係の理解は異なる。数式の丸暗記と、その適用条件や物理的意味の理解も異なる。暗記量の削減だけでは教育内容の改善にならない。

さらに、大学入試には学力の測定だけでなく、限られた教育機会の配分という選抜機能がある。知識試験を減らすとして、何によって選抜するのか。面接や総合型選抜には評価者の主観や家庭環境の影響があり、AI利用型試験には本人の能力をどう識別するかという問題がある。

また、現在の大学入試は一律の知識再生試験ではない。共通テスト、個別試験、総合型選抜など、それぞれ目的と評価方法が異なる。

既存制度の欠点を指摘するだけでは、代替制度が優れていることの証明にはならない。

４．将棋・囲碁のAIを教育全般に類推できるか

記事は、AIが人間を超えた将棋・囲碁の世界を例に、AIを使いこなす能力の重要性を説く。

しかし、将棋や囲碁でAIが強くなっても、人間の棋力向上に基礎知識や訓練が不要になったわけではない。AIの指し手を理解し、適切に研究する能力にも専門知識が必要である。

さらに、将棋・囲碁には明確なルールと勝敗の基準がある。教育、政治、経済、科学研究では、何を目的とし、何を成功とみなすか自体が問題になる。

限定された領域でのAIの成功を、評価基準の異なる領域へそのまま一般化することはできない。

５．大学教育と基礎教育に関する議論も不十分である

記事は、大学では学生が特定分野で教員以上の能力を発揮して当然だと述べる。学生と教員が共同で探究するという方向性には賛成できる。しかし、AIの支援で高度な成果を生み出すことと、学生本人が高度な専門能力を獲得することは同じではない。

また、社会人の基礎知識として国語と算数・数学を絶対的に重視しているが、なぜこの二つなのかという説明がない。AIの回答を検証するには、自然科学の実証方法、統計、歴史、社会制度、情報技術などの知識も必要である。国語の読解力自体も、対象についての背景知識に依存する。

むしろAI時代には、特定教科の技能だけでなく、複数分野の知識を結びつけて判断する能力が重要になる可能性がある。

６．教育改革を急ぐべきだという結論は導けるか

記事は、教育には10年単位の時間がかかるため、改革は焦眉の急だと結ぶ。

しかし、教育の成果が長期に及ぶことは、急いで改革すべき理由であると同時に、誤った改革を避けるべき理由でもある。教育政策の失敗は、一世代にわたって影響を及ぼしかねない。

必要なのは、改革を先送りすることでも、一挙に制度を変更することでもない。具体的な教育目標を定め、小規模な実証、効果測定、段階的導入を通じて制度を改善することである。

７．本当に必要なAI時代の教育改革とは

この記事の論理を整理すると、次のようになる。

(1) AIが高度な知的作業を実行できるようになる。したがって、(2) 人間に求められる能力が変わる。ゆえに、(3) 従来の知識習得や入試対策の多くは無駄となり、教育制度を改革すべきだ、という構成である。

問題は第二段階から第三段階への飛躍にある。

AIの発達によって人間に必要な能力が変わるとしても、基礎知識の重要性が低下するとは限らない。むしろAIが大量の情報を生成するほど、その正誤を検証するための知識や論理的能力が重要になる可能性がある。

また、AIによって情報の生成コストが低下しても、その検証コストまで同じように低下するとは限らない。数学の証明、医学的判断、科学実験、法的判断などでは、生成された結論を確認するために高度な専門知識が必要である。

したがって、教育改革の方向は、単純に暗記を減らしてAI利用を増やすことではない。人間が自力で理解・推論・検証する能力と、AIを利用して知的活動を拡張する能力を、区別しながら育成することである。

さらに、教育の目的は経済的生産性の向上だけではない。自律的な判断、民主社会への参加、文化の理解と継承も重要である。AIが代行できる仕事が増えても、人間自身が考え、判断する価値がなくなるわけではない。

８．結論

この記事は、AI時代の教育改革という重要な問題を提示している。しかし、AIが知識を利用できることと、人間が知識を習得する必要性が減ることを混同している。また、大学入試の欠点を指摘しながら、改革後の制度が何を測定し、どのような効果をもたらすかを論証していない。

AI時代の教育改革に必要なのは、従来教育の単純な否定ではなく、知識の内在化と外部知能の利用との関係を再設計することである。

問うべきなのは「AIができるようになったことを、人間はもう学ばなくてよいのか」ではない。

「AIができるようになったことのうち、人間もなお自分自身でできるようになる必要があるのは何か。そして、それはなぜか」である。

この問いへの回答なしに進める教育改革は、技術への適応を急ぐあまり、人間自身の知的能力を育てるという教育の核心を見失いかねない。

［１］OECD, Digital Education Outlook 2026.

［２］Bastani et al., Generative AI without guardrails can harm learning: Evidence from high school mathematics, PNAS , 2025. https://doi.org/10.1073/pnas.2422633122

［３］ UNESCO, Guidance for Generative AI in Education and Research, 2023.

［４］文部科学省「令和8年度大学入学者選抜実施要項」

ナビエ−ストークス方程式（３）

ナビエ−ストークス方程式（２）からの続き

図：ナビエ−ストークス方程式を巡って（ChatGPTによる）

この10日間の動きを調べます。この10日間で大きく動きました。要点を先に：クレイ研究所が公式声明を出して「どうやら決着したらしい」と認めた一方で、フィールズ賞受賞者25人が連名でAI企業のやり方を批判する宣言を出した——この2つが同じ9月11日に起きています。

 ① クレイ数学研究所の公式声明（9月11日）── 最大の変化

前回お伝えした時点では「受理せず、未解決のまま掲載」でしたが、9月11日にCMIが正式な声明「Navier-Stokes Announcement」を出しました。要点は3つ。

- CMIは「ナビエ・ストークス問題がどうやら決着したという発表」に世界の数学界とともに興奮を共有すると述べ、この仕事の背後にある革新が分析され問いただされることで「人間の新しい理解の波」が解き放たれることを期待する、としています。

- 賞の規則が「何が達成されたかを評価し、功績を割り当てる」手続きを定めており、そのプロセスは「意図的に急がない」が、随時アップデートを出すとしています。

- また、近年この分野周辺の進展（一部はクレイ研究賞で顕彰）によって問題が間もなく解決されるかもしれないという期待が高まっており、新技術が数学研究を加速する能力の向上がその期待をさらに強めた、とも書いています。

**重要な読み方**：この声明は**OpenAIの名を一度も挙げていません**。「apparently been settled（どうやら決着した）」という受動態で、主語は伏せられている。しかも規則が定めるのは「評価」と「**功績の割り当て**（assigning credit）」の両方だと明示しており、これは優先権争いを正面から視野に入れた書き方です。そして問題ページ自体は今も「**Active**」のタグのままです。

つまり **「解かれたらしい」とは認めたが、「誰が解いたか」も「本当に正しいか」もまだ何も決めていない**、というのが9月11日の到達点です。規則上、査読誌掲載＋2年の一般受容期間が必要なので、公式決着は早くても2028年以降になります。

 ② フィールズ賞受賞者25名の共同宣言（9月11日）── 最大の余波

同じ日に、mathandai.org で「**A Severe Misalignment of AI in Mathematics**（数学におけるAIの深刻なミスアライメント）」という宣言が公開されました。Terence Taoが自身のMastodonとブログで公表し、Leiden宣言と同様に追加署名を受け付けています。Taoによれば、この声明は受賞者たちの前週の議論から生まれ、緊急性が高いと判断して急いで公開されたとのことです。

**署名者（初期25名）**にはTao、Scholze、Villani、Deligne、Kontsevich、Bhargava、Viazovska、Hairer、Figalli、Maynard、Huh、Ngô Bảo Châu、そして**森重文**（1990年）が並びます。注目すべきは **Pierre-Louis Lions（1994年）** の名前があること——彼自身が圧縮性ナビエ・ストークスの弱解理論の構築者であり、まさに当事者領域の人です。最古参のDeligne（1978年）から今年受賞のYu Deng（2026年）までが並んでいます。

**宣言の論旨**（要約すると）：

1. LLMの数学能力は劇的に向上し、多くの分野で主要な未解決問題を解けるところまで来た。しかし**AI企業が数学の問題をベンチマークとして解こうとする動きは、数学という科学と数学コミュニティにとって有害**であり、両者の目標は深刻にずれている。

2. 有名問題は**灯台や標識**として機能してきた。解けたこと自体より、そこで生まれた新しい洞察と手法が、講演・議論・簡略化という長く骨の折れる過程を経てコミュニティに吸収され、最終的に教科書になることに意味がある。

3. **問題を解くことは、概念的理解という本来の目標の道具・代理にすぎない**。「真／偽」の言明をどんどん速く大量生産することは、新しいアイデアに息を吹き込むどころか、肥沃な土壌を破壊しかねない。

4. 急いで発表されるため、きちんとした書き上げ、新手法の抽出、**他者の先行研究の引用**の時間がない。これは他の創造的職業と同様、**深刻な帰属・剽窃の問題**を引き起こす。

5. AIが生んだアイデアの世話をし数学の正典に統合する人間がいなければ、そのアイデアは本当には生きず、**数学者どうしの人間的な継承の連鎖**が失われる。

6. ただし**AI反対の宣言ではない**。AIには本物の数学的研究と理解を高め加速する潜在力がある、と明記しています。決定的なのは、この技術を制御する人間の選択だ、と。

**押さえるべきニュアンス**：宣言はOpenAIの証明が間違っているとは一言も言っておらず、企業名も挙げていません。争点は**正しさではなく、プロセス・帰属・人間の理解**です。この区別を外すと議論が噛み合わなくなります。

背景記事として、Taoは宣言と併せてEconomist誌の記事「Top mathematicians are outraged by OpenAI's methods」を挙げています。

③ 引用漏れ問題 ── 宣言の主張を裏書きする実例

これは小さいようで象徴的な出来事です。OpenAIの当初の論文は、CórdobaとMartínez-Zoroaの論文も、AlpögeとBuckmasterの仕事も引用していませんでした。EPFLのGonzalo Cao-Laboraが参考文献の乏しさを指摘した後、9月8日中に更新版でCórdobaらの論文が追加されました。改訂後のPDFは166ページになり、歴史的経緯の記述が拡張されて、Córdoba–Martínez-Zoroaの先行構成、Zhengとの関連研究、古典的な波の不安定性研究への言及が加わりました。主定理と周期版の系は変わっていません。

つまり宣言が言う「急いだ発表による引用の欠落」が、まさに引き金となった事例そのものに起きていた。数時間で直ったとはいえ、**外部の数学者に指摘されるまで気づかれなかった**という事実が残ります。

 ④ 検証の現状 ── 今どこまで確かめられているか

前回の時点で「誰も証明を見ていない」という報道がありましたが、これは現在は誤りです。公開されているものを整理します。

｜公開物―――｜内容―――――――――――｜

｜NS論文　　｜166ページ（改訂後）｜

｜Euler論文　｜別立ての57ページの原稿。外力なし・滑らかな初期データからの全空間での爆発を主張｜

｜Lean形式化｜github.com/openai/NavierStokesAndEuler。Lean 4.34.0-rc2 + Mathlib。リポジトリの指示はキャッシュ取得と `lake build` の実行。外部チェッカーで再検証する手順の文書も別途付属｜

誰でもクローンして数分でビルドでき、`sorry`（未証明の穴）の有無も自分で監査できる状態です。

しかし、これで終わりではないという点が繰り返し強調されています。Lean証明書が保証するのは「Leanとその読み込むライブラリの中で、形式的な定義から形式的な言明が導かれる」ことだけで、それらの定義が数学者の読むClay問題そのものであることは保証しないし、専門家が166ページの本文を読む作業の代わりにもならない。

現時点での判定：

・誤りの指摘は公には出ていません。

・Clay問題との対応については、問題文の原著者（Fefferman）から励ましになる予備的評価は得られているが、コミュニティの独立した受容はまだ。

・Palasekが指摘した障害は、あくまで「この構成から外力を取り除くルート」に対するものであり、Clayの仮定を満たす外力付きNSの結果を反証するものでも、あらゆる外力なしのアプローチを封じるものでもない。

 ⑤ 論争のその後 ── NYT報道などで出た新事実

ニューヨーク・タイムズ（Kenneth Chang記者）の取材で、いくつか新しい情報が出ています。

・OpenAI側にPDEの専門家がいなかった。Bubeckは、数学者のチームはいるが誰も偏微分方程式の専門家ではないと認めています。「問題文を与えただけで数日で到達する方向ではない」というBuckmasterの論点に対しては、これは有利にも不利にも読めます（内部に土地勘がなかったからこそ噂の方向づけが効いた、とも、専門家抜きでこれを出したのはモデルの力だ、とも）。

・提示された条件の全容。Bubeckが提示したのは、Buckmasterが先に結果を出してよい、OpenAI論文の筆頭著者になってよい、潤沢な計算資源を提供する、さらにBuckmasterらこそ100万ドルに値すると表明する、という内容だったと報じられています。決裂の核心は「Leventを著者に入れたくない」という一点だった。

・数学界の反応。プリンストン高等研究所のPeter Sarnakは、この種の駆け引きは聞いたことがない、彼が数学者らしく振る舞ったことを称賛すると述べています。

・Wikipedia に独立項目が立った。「Navier–Stokes priority controversy」という専用記事ができ、ミレニアム問題やナビエ・ストークスの各記事も「クレイ研究所にも独立した数学コミュニティにも未検証で、優先権争いの対象」と記述されています。歴史的事件として整理され始めた、ということです。

⑥ まだ起きていないこと（＝今後の注目点）

10日経って、動いていないことの方がむしろ重要かもしれません。

(1) 証明の誤りは見つかっていない。同時に、専門家による本格的な読解結果もまだ公表されていません。166ページ＋57ページ＋Leanコードを読み切るには数ヶ月単位がかかります。

(2) データアクセス問題は未決着。OpenAIは9月10日の調査結果追記でBuckmasterのCodexプロンプトの影響を否定しましたが、非識別化データの寄与は排除できないという留保はそのままです。第三者による検証の道はありません。

(3) 外力を消す問題（A/B）は完全に未着手。ここが本丸であることは変わっていません。

(4) 2つ目のミレニアム問題の噂が流れていますが（Hodge予想やBSD予想の名が挙がる）、確認された情報ではありません。現時点では噂として扱うべきです。

(5) CMI（クレイ数学研究所）の次のアップデートがいつ出るか。声明は「随時アップデートする」とだけ書いています。

⑦ブログにまとめるなら

前回申し上げた3つの軸（C/D vs A/B、アイデアの出所は人間、答えと理解の脱結合）は、この10日でむしろ公式に裏書きされた形です。特に：

・「答えと理解の脱結合」というTaoの言葉は、25人のフィールズ賞受賞者の連名宣言という形で制度化されました。宣言の「有名問題は灯台であって、ベンチマークではない」「問題を解くことは理解という目的の代理にすぎない」という論理は、日本語圏でもそのまま通用する強い主張です。

・「アイデアの出所は人間」は、引用漏れとその即日修正という具体的な出来事として現れました。

・一方で「AIは何も生み出していない」式の論も同様に不正確で、Clayが「どうやら決着した」と書いた事実、Lean形式化が誰でもビルド可能な状態で公開されている事実は動きません。

（注：Claudeが）個人的に面白いと思うのは、CMIの声明とフィールズ賞宣言が同じ日に出て、正反対の温度を持っていることです。制度の側（CMI）は「規則に従って粛々と、功績の割り当ても含めて評価する」と落ち着いて構え、研究者の側は「このままでは職業としての数学が壊れる」と警鐘を鳴らした。この温度差そのものが、今回の事件の本質を映しているように思います。

出典：

［１］Navier-Stokes Announcement — Clay Mathematics Institute

［２］A Severe Misalignment of AI in Mathematics — mathandai.org

［３］Terence Tao on Mathstodon

［４］25 Fields Medalists Say AI Math Race Harms Mathematics — Implicator.ai

［５］Navier–Stokes priority controversy — Wikipedia

［６］OpenAI's Navier–Stokes Proof Claim: Evidence and Dispute — kingy.ai

［７］Navier-Stokes: OpenAI's 10,000-Agent Proof and the Dispute — cellcog.ai

［８］OpenAI Navier–Stokes: Proof Dispute — lilting.ch

［９］The Navier-Stokes controversy — Singham NYT報道の引用

［10］How an AI math breakthrough ignited a controversy — Science

ナビエ−ストークス方程式（２）

ナビエ−ストークス方程式（１）からの続き

図：ナビエ−ストークス方程式（ncu_inoue_labから引用）

Ｑ（koshix）：

外力の有無，粘性の有無，圧縮性の有無，その他の条件分類の中で，流体力学の方程式の難易度はどうなっていて，ナビエ−ストークス方程式はどこに位置していて，オイラー方程式その他はどこに対応するのかが，混乱しているのでできるだけ，整理してわかりやすく説明してください。

Ａ（Claude）：

１．整理の枠組み：条件は「2値」ではなく「連続的な階段」

混乱の最大の原因は、外力・粘性・圧縮性を「アリ／ナシ」の2値だと思ってしまうことです。実際には外力の正則性クラスも散逸の強さも連続パラメータで、難易度はその上で滑らかに変化します。整理の軸は7つあります。

｜軸――――――｜パラメータ――――――｜効果――――――――――――――――｜

｜① 空間次元 　｜2D / 3D　　　　　　　｜最大の分岐。渦伸長項の有無　　　　　｜

｜② 散逸の強さ｜$(-\Delta)^\alpha$ の $\alpha$（0＝Euler, 1＝NS）｜大きいほど易しい｜

｜③ 外力　　　｜$f$ の正則性クラス（超臨界→…→$C^\infty$急減少→$f\equiv0$）｜滑らかにするほど難しい｜

｜④ 圧縮性　　｜非圧縮 / 圧縮性　　　　｜困難の種類が変わる　　　　　　　　　｜

｜⑤ 境界　　　｜アリ / ナシ　　　　　　｜境界アリの方が易しい　　　　　　　　｜

｜⑥ 解のクラス｜古典解・強解 / Leray–Hopf弱解 / 一般の弱解｜弱くするほど「易しい（が非一意）」｜

｜⑦ 対称性 　　｜軸対称(swirlなし) など ｜対称性が強いほど易しい　　　　　　　｜

そして、これら全部を貫くマスターキーが「スケーリング臨界性」です。

２．支配原理：超臨界性がすべてを決める

分数階散逸 $(-\Delta)^\alpha$ を持つ一般化NS方程式は、

$$u_\lambda(x,t) = \lambda^{2\alpha-1}u(\lambda x,\ \lambda^{2\alpha}t)$$

で不変です。唯一のア・プリオリ量であるエネルギー $\|u\|_{L^2}^2$ はこの変換で $\lambda^{2(2\alpha-1)-n}$ 倍になる。$n=3$ で指数がゼロになるのは

$$2\alpha - 1 = \tfrac{3}{2} \quad\Longrightarrow\quad \boxed{\alpha = \tfrac{5}{4}}$$

これが臨界点です。これより上なら勝ち、下なら（現在の道具では）負け。

｜$\alpha$―――――――｜名称―――――――――｜状態―――――｜

｜$\alpha \ge 5/4$　　　　｜超散逸（hyperdissipative）｜大域正則性 証明済（Ladyzhenskaya, Lions）｜

｜$5/4$ をわずかに下回る｜対数的超臨界　　　　　｜証明済（Tao 2009, Barbato–Morandin–Romito ほか）｜

｜$\alpha = 1$　　　　　｜標準のNS方程式　　　　｜未解決（ミレニアム問題）｜

｜$0 < \alpha < 1$　　　｜劣散逸（hypodissipative）　｜粗い外力付きなら爆発 証明済｜

｜$\alpha = 0$　　　　　｜Euler方程式　　　　　　｜未解決（ただし爆発が強く予想）｜

ここが決定的に重要な感覚です。標準のNS方程式は、臨界点からわずか $1/4$ だけ超臨界側に落ちている。ほんの少し粘性を強く（非局所的に）してやれば、90年来の難問は既に解けている。その $1/4$ の隙間に、ミレニアム賞100万ドルが埋まっているわけです。

３．軸① 次元：2Dはなぜ易しいのか

3次元の渦度方程式には渦伸長項 $\omega\cdot\nabla u$ があります。

$$\partial_t\omega + (u\cdot\nabla)\omega = \underbrace{(\omega\cdot\nabla)u}_{\text{3Dのみ}} + \nu\Delta\omega$$

2次元では渦度がスカラーになりこの項が消え、$\omega$ は単に流れに沿って運ばれるだけになる。したがって $\|\omega\|_{L^\infty}$ が保存され、爆発しようがない。これが2D Eulerの大域可解性（Yudovich 1963）の本質であり、2D NSも自動的に大域正則です。

渦伸長こそが、非圧縮流体の全困難の単一の源だと言ってよい。逆に言えば、渦伸長を持つ模型方程式はどれも同じ難しさを共有します。

４．軸② 粘性：Eulerの方が難しいのか易しいのか（重要な逆説）

ここが最も混乱しやすい点です。答えは「目標による」。

・爆発を証明したい → Eulerの方が易しい。粘性は特異点を潰そうと働くので、爆発を作るには粘性という敵と戦わねばならない。実際、爆発の証明はほぼすべてEuler側（ないし劣散逸側）で先に達成されています。

・大域正則性を証明したい → NSの方が望みがある。粘性のおかげでエネルギー散逸、Leray弱解の存在、Caffarelli–Kohn–Nirenbergの部分正則性といった構造が使える。Eulerにはこれらが一切ない。

だから「NSはEulerより難しい」も「EulerはNSより難しい」も、どちらも文脈次第で正しい。前回触れた「無限小の摩擦を入れただけで挙動が本質的に変わる」というのは、この非対称性のことです。

なおEuler方程式はクレイの賞金対象外ですが、Fefferman自身が公式記述の中で、これらの問題はEuler（$\nu=0$）についても未解決かつ非常に重要だと明記しています。

５．軸③ 外力：ここが「階段」であることが最大の要点

外力を一切許さないのが本丸（A/B）ですが、外力を許す場合もその正則性で難易度が全く違う。これが今回のニュースの核心なので、階段として並べます。

｜段｜外力 $f$ のクラス―――――――｜難易度――――――｜状況――――――｜

｜０｜超臨界（$u$ から逆算した $f$）｜ほぼ自明｜爆発する $u$ を勝手に決めて $f:=\partial_t u+(u\cdot\nabla)u-\nu\Delta u+\nabla p$ と置くだけ。$f$ も一緒に爆発するので無意味｜

｜１｜$L^1_t C^{1,\epsilon}_x \cap L^\infty_t L^2_x$ 程度 | 難しい｜Córdoba–Martínez-Zoroa（3D Euler, 2023）、Córdoba–Martínez-Zoroa–Zheng（劣散逸NS, ARMA 2026）。well-posedクラス内での爆発＝方程式の力学が生む爆発であり、外力が押し潰しているのではない｜

｜２｜空間的に滑らか（時間方向は粗い）｜さらに難しい | Córdoba–Martínez-Zoroa の IPM（2024）｜

｜３｜時空一様に $C^\infty$ かつ全導関数が急減少（Clayの条件(5)）｜非常に難しい｜Alpöge–Buckmaster–Coiculescu（IPM）→ 2026年8月のBoussinesq・3D Euler → OpenAIのNS主張｜

｜４｜$f \equiv 0$　　　　　　　　　　　｜本丸｜3D Euler：OpenAIが主張（未検証）／3D NS（A/B）：完全に未解決｜

段0と段3の落差を掴むのが肝心です。「外力を許せば簡単」というのは段0の話であって、Clayが要求する段3は、$u$ が無限大に発散する最中も $f$ が最後まで完璧に滑らかで急減少していなければならない。各項が同時に巨大化しながら、外力として残る部分だけが精妙に相殺して滑らかに留まる——この設計が2023年から2026年までの3年をかけて詰められた部分です。

６．軸④ 圧縮性：難しさの「種類」が変わる（同じ物差しに乗らない）

ここも混同されがちですが、圧縮性は難易度の上下というより問題の性格を変える軸です。

｜――――――――――｜特異点の種類―――――――――｜状態――――――――――｜

｜圧縮性Euler（3D）　｜衝撃波（微分の爆発、速度自体は有界）｜有限時間で必ず形成されることが証明済（Sideris 1985、Christodoulouの精密理論）　　｜

｜圧縮性Euler（1D系）｜衝撃波　　　　　　　　　　　　　｜エントロピー解の枠組みで存在・一意性理論が整備（Glimm, Bressan）｜

｜圧縮性NS　　　　　｜真空・密度の退化　　　　　　　　｜大域弱解の存在は証明済（P.-L. Lions, Feireisl）／正則性は未解決／真空を含む古典解は爆発しうる（Xin 1998）｜

｜非圧縮Euler / NS　　｜渦の自己増幅（速度そのものが無限大）｜未解決｜

つまり圧縮性流体では「特異点が起きること」は驚きでも何でもなく、衝撃波として日常的に起きる。しかもそれは弱解（エントロピー解）の理論で数学的に乗り越え済みです。ミレニアム問題が問うている非圧縮の特異点は、衝撃波とは全く別種の、渦度が自己増幅して速度が発散するタイプであり、しかもそれを乗り越える弱解理論が存在しない（後述の非一意性のため）。

もう一つの構造的な違い：非圧縮では圧力が $-\Delta p = \nabla\cdot((u\cdot\nabla)u)$ で非局所的に決まり、情報が無限速度で伝わる。圧縮性では有限伝播速度で双曲型。解析の道具立てが根本的に異なります。

７．軸⑤ 境界：あると易しい

境界の役割はFeffermanが明確に述べています。境界のあるモデルで特異点が見つかっても、それは流体が境界との相互作用のおかげで特異点を作れることを示すにすぎない。境界なしなら、無茶をしているのは流体自身だ、と。

・Hou–Luo 2013：円筒の上下半分を逆回転させるとEulerが爆発する（数値＋誤差評価）。「最初の本格的な特異点の主張」。

・Chen–Hou 2022：それを計算機援用で厳密証明（2D Boussinesq＋境界あり3D軸対称Euler、滑らかな初期データ）。

・Elgindi 2021（Annals）：境界なし $\mathbb{R}^3$ で爆発を証明。ただし初期データは $C^{1,\alpha}$ にとどまり、$C^\infty$ ではない。

つまり3D Eulerの爆発は「境界を許せば滑らかなデータで」「滑らかさを緩めれば境界なしで」既に証明済みで、両方同時（境界なし＋滑らかなデータ＋外力なし）だけが残っていた。そこがOpenAIが主張している地点です。

８．軸⑥ 解のクラス：弱くすると「易しくなるが無意味になる」

これも独立した軸です。

・Scheffer（1993）・Shnirelman（1997）：2D Eulerに、時空コンパクト台を持つ弱解が存在する。静止した流体が外部刺激なしに勝手に動き出し、また止まる。Euler弱解の一意性は劇的に偽。

・Buckmaster–Vicol（2019）：convex integrationにより3D NSの弱解も非一意（有限エネルギーだがLeray–Hopfクラス外）。

・Isett（2018）ほか：Onsager予想の解決。$C^{1/3}$ 以下ではエネルギー散逸する弱解が作れる。

・Vishik（2018）：粗い外力を許すと2D Eulerですら非一意になる。

要するに、弱解の層では「何でも作れる」。だから「NSの弱解を作ってから正則性を示す」という古典的プログラムの後半が機能しない。ミレニアム問題が古典解（$C^\infty$）を要求しているのはこのためです。

９．軸⑦ 対称性と、周辺モデル方程式の難易度階段

爆発現象の研究は、易しいモデルから順に登ってきました。

｜モデル――――――――｜性格――――――――｜状態――――――――｜

｜Constantin–Lax–Majda　　｜1D、非局所項のみ　｜明示的に爆発（解ける）｜

｜De Gregorio / gCLM　　　｜CLM＋移流　　　　｜ほぼ解決｜

｜3D軸対称NS/Euler（swirlなし）｜$\omega_\theta/r$ が輸送される｜大域正則性 証明済｜

｜IPM（多孔質媒体、Darcy則）｜2D、密度輸送　　｜外力付き爆発 証明済｜

｜2D Boussinesq　　　　　｜3D軸対称Eulerの境界近傍と同型｜境界ありで爆発 証明済（Chen–Hou）｜

｜SQG　　　　　　　　　｜$\alpha=1/2$ 臨界散逸なら大域正則（Kiselev–Nazarov–Volberg, Caffarelli–Vasseur）。非粘性は未解決　　　　　　　｜一部解決｜

｜3D Euler　　　　　　　｜本命の一つ　　　　　　｜前述のとおり条件付きで証明済｜

｜3D NS　　　　　　　　｜最終目標　　　　　　　｜A/B 未解決｜

｜平均化NS（Tao 2014）｜エネルギー恒等式は保つ改変NS｜爆発 証明済 ← 「エネルギー法では絶対に決着しない」ことの証明｜

3D軸対称でswirlがない場合が解けているのに、swirlを入れた瞬間に未解決になる——この一点にも渦伸長の効き方が凝縮しています。

１０．全体マップ：何がどこにあるか

最後に、すべてを一枚に並べます。上ほど易しい。

｜設定―――――――――――――――｜状態―――――――――――――――｜

｜2D NS／2D Euler（滑らかデータ、外力なし） ｜✅ 大域正則性 証明済｜

｜3D 超散逸NS $\alpha\ge5/4$（対数的にわずか下も可） ｜✅ 大域正則性 証明済｜

｜3D 軸対称 NS／Euler、swirlなし 　　　　｜✅ 大域正則性 証明済｜

｜3D NS、初期値が小さい／短時間　　　　｜✅ 証明済｜

｜圧縮性Euler（3D）　　　　　　　　　　｜✅ 衝撃波形成 証明済（別種の特異点）｜

｜3D NS Leray弱解の存在　　　　　　　　｜✅ 証明済（1934）／一意性は ❓｜

｜3D NS 部分正則性（特異集合の1次元放物測度＝0）｜✅ CKN 1982。これ以上進むのが極めて困難｜

｜平均化NS／dyadicモデルの爆発　　　　　｜✅ 証明済（エネルギー法の限界の証明）｜

｜3D Euler、境界あり、滑らかデータ、外力なし｜✅ Chen–Hou 2022（計算機援用）｜

｜3D Euler、境界なし、$C^{1,\alpha}$ データ、外力なし｜✅ Elgindi 2021｜

｜3D Euler／劣散逸NS、滑らかデータ、粗い外力｜✅ Córdoba–Martínez-Zoroa 系列（2023–2026）｜

｜IPM・Boussinesq・3D Euler、時空一様に滑らかな外力｜🆕 Buckmaster–Alpöge 2026（Lean検証済、査読前）｜

｜3D NS、滑らかな外力（Clay C/D）　　　　　｜⚠️ OpenAI 2026 が主張（論文・Lean公開、独立検証待ち、Clay未受理） ｜

｜3D Euler、境界なし、滑らかデータ、外力なし｜⚠️ OpenAI が主張（未検証）｜

｜3D NS、外力なし（Clay A/B）　　　　　　　｜❌ 完全に未解決。本丸｜

｜3D NS Leray–Hopf弱解の一意性　　　　　　｜❌ 未解決｜

｜圧縮性NSの正則性　　　　　　　　　　　　｜❌ 未解決｜

１１．まとめると

(1) 難易度の主軸は「超臨界性の度合い」であり、次元・散逸指数・外力の正則性はすべてその一つの物差しの上に並ぶ。

(2) 3D NSは臨界点から $1/4$ だけ外れている。この微小なギャップが90年の壁。

(3) 「外力アリ／ナシ」は2値ではなく5段の階段で、Clayが要求する段3（時空一様に滑らか＋急減少）と段0（逆算した外力）は天と地ほど違う。2026年9月のニュースは、段3に到達したという主張。

(4) 粘性ナシ（Euler）は「爆発を示すには易しく、正則性を示すには難しい」という逆説的な位置にある。

(5) 圧縮性は難易度の軸ではなく、問題の種類を変える軸。圧縮性の特異点（衝撃波）は証明済みかつ理論的に処理済みで、ミレニアム問題とは別世界の話。

(6) 残る最難関は依然として 3D NS、外力なし、境界なし、滑らかデータ、古典解（A/B）。そしてそこへ至る最大の技術的障壁は、外力を消したときに粘性散逸が成長機構を食い潰してしまう点にある。

ナビエ−ストークス方程式（１）

図：これがそれなのか？（ChatGPTによる）

Ｑ（koshix）：

ミレニアム懸賞問題のひとつである，ナビエ−ストークス方程式をAIが解いたという話が聞こえてきました。出来るだけ分かりやすく解説してほしいのです。

(1) 流体力学におけるナビエ−ストークス方程式の位置づけについて

(2) ナビエ−ストークス方程式はどこまでわかってきたか，何が難しいのか

(3) ミレニアム検証問題におけるナビエ−ストークス方程式に関するの正確な条件

(4) AIが何を解いて，それはどこまで画期的なことなのかそうではないの

(5) Buckmaster らを巡る混乱の争点を正確に解きほぐす

(6) 今後どうなるのか

Ａ（ChatGPT + Claude の第一報）：

０．全体像

結論から述べる。2026年9月8日、OpenAIは「ナビエ−ストークス（NS）方程式のミレニアム問題を解いた」と発表した。内部モデルによる証明とLean形式化が公開されている。しかしクレイ数学研究所はまだ受理しておらず、NS問題は現在も「未解決」のままである。加えて、数学とは別に、優先権と情報流出をめぐる論争が並行して起きている。

１． 流体力学におけるナビエ−ストークス方程式

NS方程式は流体に対するニュートンの第二法則である。非圧縮・一定密度なら、

$\partial_t u + (u\cdot\nabla)u = \nu\Delta u-\nabla p+f, \qquad \nabla\cdot u=0$

と書ける。左辺第2項は移流、右辺は粘性拡散、圧力勾配、外力である。

難しさは三つある。第一に、移流項は速度場が自らを運ぶ二次の非線形項である。3次元では渦が引き伸ばされ、エネルギーが小さなスケールへ送り込まれる。第二に、圧力は独立ではなく、

$-\Delta p =\nabla\cdot((u\cdot\nabla)u)$

により速度場全体から非局所的に決まる。第三に、粘性項は平滑化として働くが、その効果と非線形増幅との競争を十分に制御できない。

航空機、気象、血流、乱流など、流体現象の基礎方程式でありながら、3次元では「滑らかな初期状態から始めた解が永久に滑らかなままか」すら分かっていない。ただし実際の流体は分子から成る。数学的特異点が存在しても、それが直ちに物理的な無限大を意味するわけではなく、連続体近似の限界を示すにとどまる可能性がある。

２．どこまで分かっていて、何が難しいのか

2次元では大域正則性が知られている。3次元でも、初期値が十分小さければ大域解が存在し、一般の場合でも短時間なら滑らかな解が存在する。

Lerayは1934年に大域的弱解の存在を示したが、その一意性と滑らかさは未解決である。Caffarelli–Kohn–Nirenbergの部分正則性定理は、適当な弱解の特異集合が非常に小さいことを示すが、特異点そのものは排除しない。オイラー方程式側にはBeale–Kato–Majda条件があり、爆発が起こるなら渦度の最大値の時間積分が発散することが分かっている。

本質的な障害はスケーリングである。NS方程式は

$ u_\lambda(x,t) = \lambda u(\lambda x,\lambda^2t)$

で不変だが、エネルギーはこの変換のもとで小さなスケールを十分に制御しない。特異点が生じるとすれば小スケールであるのに、最も基本的なア・プリオリ評価であるエネルギーがそこを押さえきれない。この「超臨界性」が核心である。

Taoは2014年、非線形項を平均化した改変NS方程式について、エネルギー恒等式を保ったまま「有限時間爆発」を構成した。単純なエネルギー法だけでは大域正則性を証明できないことが、これで鮮明になった。

近年の重要な流れがThomas HouとGuo Luo、そしてDiego CórdobaとLuis Martínez-Zoroaの仕事である。Hou–Luoは境界を持つ3次元オイラーで特異形成の強い証拠を与え、Córdoba–Martínez-Zoroaは「無限カスケード」を組み合わせて特異点を作る解析的手法を発展させた。ただし従来の構成では、合成した外力が十分に滑らかではなかった。残された難所は、特異形成のカスケードを維持したまま、外力を最後まで滑らかに保つことであった。

３．ミレニアム問題の正確な条件

Feffermanの公式記述によれば、3次元NSについて次の四つのうち一つを証明すればよい。

| 条件 | 空間 | 外力 | 主張 |

| -- | -- | -- | -- |

| A | \(\mathbb{R}^3\) | \(f=0\) | 任意の滑らかな初期値から大域的に滑らかな解が存在する |

| B | 周期空間 | \(f=0\) | 同上 |

| C | \(\mathbb{R}^3\) | 滑らかな \(f\) | 条件を満たす滑らかな初期値・外力で、大域的に滑らかな解が存在しない |

| D | 周期空間 | 滑らかな \(f\) | 同上 |

初期値と外力には、すべての導関数について非常に強い滑らかさと減衰の条件が課される。爆発する速度場を勝手に作り、

$f = \partial_tu + (u\cdot\nabla)u -

\nu\Delta u + \nabla p$

と逆算すればよいわけではない。それでは通常、爆発時刻に外力 \(f\) まで発散してしまう。

したがって(C)(D)の真の難しさは、速度場が特異になる一方で、加速・圧力・輸送・粘性の巨大な項が互いに相殺し、残る外力だけは滑らかなままにすることにある。ただし、数学者の多くが本命と考えてきたのは外力なしの(A)(B)である。(C)(D)も公式には正解だが、物理的・解析的にはA/Bのほうが深い問題だと受け取られてきた。

４．AIは何を解いたのか

Buckmaster–Alpögeは9月7日深夜、非圧縮多孔質媒体方程式、ブシネスク方程式、3次元非圧縮オイラー方程式について、滑らかな外力付きの有限時間爆発を公表した。Córdoba–Martínez-Zoroaのプログラムを、粗い外力から滑らかな外力へ押し上げる仕事である。

翌9月8日、OpenAIはNSについて、静止初期状態から滑らかな外力を加え、有限エネルギーのまま有限時間で速度が非有界になる解を構成したと発表した。主張が正しければ、Feffermanの(C)、さらに周期版の(D)を満たす。

OpenAIの説明では、9月1日に「ミレニアム問題が二つ解かれた」という噂を聞いて探索を開始し、多数のエージェントを投入して数日で候補証明に到達、その後Leanで形式化した。計算量はNSだけでメッセージ約270万通、出力約1300億トークンに達したという。

画期的な点は三つある。第一に、公式問題文の一ルートを正面から満たす可能性がある。第二に、Lean形式化が付属している。第三に、人間が長期間かけて進めてきた最先端の構成に、AIエージェント群が数日単位で到達した。

ただし留保も大きい。証明は外力付きであり、外力なしNSへの道は依然として開かれていない。根本的なアイデアの源流はCórdobaとMartínez-Zoroaにあり、Fefferman自身もこの流れの主役は彼らだと評価している。

また、Leanが保証するのは「形式化された命題が形式体系内で正しい」ことだけである。その命題がFeffermanの問題設定と真に一致するかは、人間が確認しなければならない。

Taoが指摘した「答え」と「理解」の乖離も重要である。正しい証明が得られても、なぜその構造が働くのかという数学的理解が同じ速度で得られるとは限らない。AI時代には、この二つが初めて大規模に分離し始めている。

５．Buckmasterをめぐる混乱

争点は少なくとも四つに分けて考える必要がある。

第一は優先権である。外力付きオイラーについてはBuckmaster–Alpögeが先であり、OpenAIもそれを認めている。一方でOpenAIは、自社のオイラー結果は別手法によるものだとし、NSでは類似した方向を用いたことを認めている。

第二はデータ流出である。Buckmasterは未公開の草稿をCodexセッションに入力していたため、それがモデル改善や探索に使われた可能性を疑った。OpenAIは調査の結果、直前2か月の彼のCodexプロンプトは今回のシステムに影響し得なかったと説明している。ただし一般論として、非識別化された利用データがモデル改善に使われる可能性までは完全には否定していない。

第三が最も重要で、なぜOpenAIが「滑らかな外力付き」という極めて特殊なルートに短期間で到達したのかである。Buckmaster側は、この方向はCórdoba–Martínez-Zoroaから続く非常に限定された研究路線であり、問題文を与えただけで自然に選ばれる道ではないと疑問視している。OpenAI側は、公開前の彼らの研究は見ていないと主張している。つまり、直接的な情報漏洩の有無とは別に、「問題が解かれたらしい」という噂そのものが探索空間を劇的に狭めた可能性が争点となっている。

第四は交渉過程である。Buckmasterは、著者扱いや公表方法をめぐって不適切な圧力を受けたと記録している。Bubeck側はその一部を否定しつつ、発言の一部については謝罪している。当事者の説明は一致していない。

したがって現時点で、「盗用だった」「完全に独立だった」のいずれも断定は早い。

６． 今後どうなるか

短期的には、数学者がOpenAIの論文とLean形式化を読み、形式化された定理がFeffermanの(C)(D)と真に一致するかを精査することになる。クレイ数学研究所も即断せず、通常どおり厳密に審査するとしている。公式の決着には査読と一定期間の一般承認が必要であり、時間がかかる。

中期的な焦点は、外力を消せるかどうかである。しかしforcedからunforcedへの移行は自動的ではない。外力なしNSでは、粘性による散逸が特異形成のカスケードを潰す可能性があり、そこが依然として大きな障害である。

物理・工学への直接の影響は当面ほとんどない。乱流モデルや数値流体計算が明日から変わるわけではない。意味が大きいのは、きわめて単純な運動法則が、3次元流体ではこれほど制御困難な振る舞いを許しうるという事実のほうである。

そして最大の変化は、おそらく数学研究の制度面に現れる。著者性、優先権、AI利用の開示、査読、研究データの扱い、そして「AIが得た証明を誰が理解し、誰が責任を持つのか」という問題が、一気に現実のものとなった。

今回の出来事を「AIがミレニアム問題を解いたか」という二値問題だけで見ると、本質を取り逃がす。重要なのは次の三点である。

・公式ルールと数学者の実感の乖離、

・人間が生んだアイデアとAIによる高速探索の関係、

・そして「答えを得ること」と「理解すること」の分離。

今回のナビエ−ストークス騒動は、数学の問題が一つ解けたかもしれないという話である以上に、数学を「解く」とは何を意味するのかが変わり始めた事件である。

［１］ナビエ−ストーク方程式のミレニアム懸賞問題について（OpenAI）

［２］An intuitive exploration of OpenAI’s Navier–Stokes singularity construction（Wolfram Community）

ニュートリノ（２）

ニュートリノ（１）からの続き

図：T2Kによるニュートリノ振動の研究（Geminiによる）

８．人工ニュートリノで振動を精密に測る：K2KからT2Kへ

なぜ人工のニュートリノを使うのか

太陽や大気のニュートリノは自然任せで、量・種類・エネルギー・方向を自分では決められません。加速器で作れば、

種類：ほぼ純粋なミューニュートリノ（または反ミューニュートリノ）

エネルギー：狙った値にそろえられる

方向と距離：発射地点から検出器まで固定

時刻：いつ撃ったかが正確に分かる

と、条件を「実験」として管理できます。

先駆け：K2K（1999〜2004年）

茨城県つくば市の高エネルギー加速器研究機構（KEK）から、約250 km先のスーパーカミオカンデへミューニュートリノを撃ち込みました。到着したミューニュートリノは予想より少なく、大気ニュートリノで見つかった振動を、人工ニュートリノで初めて確認しました。

T2K（Tokai to Kamioka、2010年〜）

茨城県東海村の大強度陽子加速器施設J-PARCから、295 km先のスーパーカミオカンデへ撃ち込む実験です。

ニュートリノビームの作り方

30 GeVの陽子を黒鉛の標的に当てて、パイ中間子を大量に作る

電磁ホーンという磁石でパイ中間子を前方にそろえる

約100 mのトンネルの中でパイ中間子が崩壊し、ミューニュートリノになる

電磁ホーンの電流の向きを逆にすると、逆符号のパイ中間子が集まり、反ミューニュートリノのビームになります。これがあとで大きな意味を持ちます。

ニュートリノは地球を素通りするので、トンネルは要りません。ビームはわずかに下向きに発射され、地下を一直線に通ってスーパーカミオカンデに届きます（経路のいちばん深い所は地下約1.7 km）。

オフアクシスという工夫

ビームの中心軸を、スーパーカミオカンデの方向から2.5°だけずらしています。パイ中間子の崩壊の運動学のため、軸から少しずれた方向では、ニュートリノのエネルギーが約0.6 GeVに鋭くそろいます。これは、295 kmの距離で振動の効果がちょうど最大になるエネルギーです。

前置検出器と後置検出器

発射地点から280 mの所に前置検出器を置き、振動する前のビームの量と性質を測ります。それを295 km先のスーパーカミオカンデで測った結果と比べ、途中で何が変わったかを引き算で取り出します。

見ているもの：これまでと同じ「リング」

スーパーカミオカンデで見るのは、梶田さんの大気ニュートリノのときと同じです。

ミューニュートリノ → ミューオン → くっきりしたリング

電子ニュートリノ → 電子 → ぼやけたリング

大量の太陽ニュートリノや大気ニュートリノに埋もれないのかという、前に出た問いがここでも問題になりますが、T2Kでは時間という物差しが決定的に効きます。ビームは数マイクロ秒のパルスで撃たれ、発射時刻はGPSで同期されています。その時間窓に入った事象だけを数えれば、偶然紛れ込む太陽・大気ニュートリノはほぼゼロになります。それでも届くビーム事象は、数年かけて数百個程度です。

何が発見・検証されたのか

① 電子ニュートリノの「出現」（2011年に兆候、2013年に確立）

スーパーカミオカンデで見えたのは「ミューニュートリノが減る」という消失でした。T2Kは、ミューニュートリノのビームの中に、本来ないはずの電子ニュートリノが現れることを捉えました。2011年は6事象で兆候の段階でしたが（同年3月の東日本大震災で施設が被災し、一時中断）、2013年に統計的に確立しました。

これは、ミューから電子への振動を支配する混合角（θ₁₃）がゼロでないことを意味します。同じ時期に、中国の大亜湾実験などが原子炉からの反電子ニュートリノの減少から、このθ₁₃を精密に測定しました。

② ミューニュートリノ消失の精密測定

大気ニュートリノで見つかった振動（主にミューからタウへ）の大きさと周期を、制御されたビームで高精度に測りました。結果は、ミューとタウがほぼ最大限に混ざり合っていることを示しています。

③ CP対称性の破れの探索（2016年〜）

θ₁₃がゼロでないと分かったことで、次の大問題に挑めるようになりました。ニュートリノと反ニュートリノで振動の仕方が違うか、という問題です。

・ミューニュートリノ → 電子ニュートリノ

・反ミューニュートリノ → 反電子ニュートリノ

この二つの起こりやすさを比べます。T2Kの結果では、ニュートリノ側では予想より多く、反ニュートリノ側では少なく現れました。2020年には、CP対称性が保たれている可能性を約95%の信頼度で退け、破れが大きい値が好ましいと報告しています（ただし「発見」と言える統計的確実性にはまだ届いていません）。

これがなぜ重要かというと、宇宙にはなぜ反物質がほとんどなく、物質ばかりが残ったのかという謎があり、ニュートリノでの物質・反物質の非対称が、その答えの鍵になる可能性があるからです（レプトジェネシス説）。

④ 他実験との統合

その後、T2Kとスーパーカミオカンデの大気ニュートリノの合同解析が行われました。さらに、ライバルとされてきた米国のNOvA実験とT2Kが、2025年10月に初めての合同解析を発表しています。距離（NOvAは約810 km）やエネルギーの異なる実験を組み合わせることで、3種類のニュートリノの質量の並び順（質量順序）などの未解決問題に迫っています。

次の段階：ハイパーカミオカンデ

スーパーカミオカンデの後継機で、タンクの容積は26万トン、有効体積は約19万トン（スーパーカミオカンデは2.25万トン）です。2025年8月に巨大空洞の掘削が完了し、運転開始は2028年の予定とされています。J-PARCのビームも強化し、T2Kの延長線上で、CP対称性の破れを確実に「発見」することが最大の目標です。陽子崩壊探索や、銀河系内で超新星が起きたときの大量のニュートリノ観測も担います。

年表への追加

　年――――｜出来事―――――――――――｜何が分かったか――――――――――――

1999〜2004 ｜K2K（つくば→神岡 250 km）　｜人工ニュートリノで振動を初確認

2010 　　｜T2K開始（東海→神岡 295 km）

2013 　　｜T2K　　　　　　　　　　　　｜ミュー→電子ニュートリノの出現を確立（θ₁₃≠0）

2012〜 　　｜原子炉実験（大亜湾など） 　｜θ₁₃を精密測定

2016〜20 ｜T2K（反ニュートリノとの比較）｜ CP対称性の破れの兆候

2025 　　｜T2KとNOvAの合同解析 　　　｜質量順序・CP破れへの制約

2028予定 ｜ハイパーカミオカンデ稼働 　｜CP破れの発見を目指す

一言でつなぐと、自然のニュートリノで「振動がある」ことが発見され（1998年）、加速器で作った人工のニュートリノで「どう振動するか」を測る時代に入り、いまや「ニュートリノと反ニュートリノで振動が違うか」という宇宙の物質の起源につながる問いに挑んでいる、という流れになります。

自然界の左右対称性

ホモキラリティ（１）からの続き

図：宇宙から生命へキラリティの進化（ChatGPTによる）

Ｑ（koshix）：

ノーベル賞で，自然界の左右対称性に絡んだ研究は，物理学賞，化学賞でたくさんありますが，すべてを年代順にリストアップしてください。

Ａ（ChatGPT）：

ノーベル賞に見る「自然界の左右対称性」研究史

結論から言うと、自然界の左右対称性をめぐるノーベル賞には、大きく二つの系譜があります。一つは物理学のパリティ（空間反転）対称性とその破れ、もう一つは化学の分子キラリティ（鏡像異性）と不斉合成です。両者をつなぐのが、「自然界はなぜ左と右を区別するのか」という問いです。

ただし、「関連する研究をすべて」とすると、核物理学の対称性、結晶構造、生体分子の立体構造、さらには一般的な対称性の自発的破れまで対象が広がります。

そこで以下では、関連度を三段階に分類します。

◎ 直接関連：左右非対称性、鏡像異性、パリティの破れが研究の中心。

 ○  強い関連：左右対称性が研究の重要な要素。

△ 周辺関連：より一般的な対称性や立体構造の研究。左右性そのものが受賞理由ではない。

特に2026年10月7日に発表された化学賞は、この歴史の最新の重要な到達点です。

１．年代順一覧

受賞年・賞	受賞者と研究内容	関連度
1902 化学	エミール・フィッシャー：糖類などの構造研究。糖の立体化学を体系化	○
1913 化学	アルフレート・ヴェルナー：配位化学の確立。金属錯体の光学異性を実証	◎
1937 化学	ウォルター・ハース：糖類とビタミンCの構造。糖の立体配置解明に貢献	○
1954 化学	ライナス・ポーリング：化学結合と複雑な分子構造。タンパク質のらせん構造研究にも貢献	○
1957 物理	楊振寧、李政道：弱い相互作用におけるパリティ非保存を提唱	◎
1962 化学	マックス・ペルーツ、ジョン・ケンドルー：球状タンパク質の立体構造解明	○
1963 物理	ユージン・ウィグナー：原子核・素粒子物理学における基本的対称性原理	○
1964 化学	ドロシー・ホジキン：重要な生体分子のX線結晶構造解析	○
1965 化学	ロバート・ウッドワード：複雑な有機化合物の合成。立体化学を精密に制御	○
1969 化学	デレク・バートン、オッド・ハッセル：分子の立体配座とその化学的意味	○
1975 化学	ジョン・コーンフォース、ウラジミル・プレローグ：酵素反応と有機分子の立体化学	◎
1979 物理	シェルドン・グラショウ、アブドゥス・サラム、スティーヴン・ワインバーグ：電弱統一理論。弱い相互作用のカイラル構造を説明	◎
1980 物理	ジェームズ・クローニン、ヴァル・フィッチ：中性K中間子のCP対称性の破れを発見	◎
1981 化学	福井謙一、ロアルド・ホフマン：化学反応における軌道対称性。鏡映対称性とは異なるが関連する対称性研究	△
1988 物理	レオン・レーダーマン、メルヴィン・シュワルツ、ジャック・シュタインバーガー：ミューニュートリノ発見、弱い相互作用のレプトン構造	○
1999 物理	ヘーラルト・トホーフト、マルティヌス・フェルトマン：電弱理論の量子構造の解明	○
2001 化学	ウィリアム・ノールズ、野依良治、バリー・シャープレス：触媒的不斉合成	◎
2008 物理	南部陽一郎、小林誠、益川敏英：自発的対称性の破れとCP対称性の破れの理論	◎
2021 化学	ベンジャミン・リスト、デイヴィッド・マクミラン：不斉有機触媒の開発	◎
2026 化学	アンリ・カガン、硤合憲三：不斉有機合成における非線形効果と自己触媒作用の発見	◎

この一覧は、ノーベル賞の公式受賞理由に加え、関連する研究内容も考慮したものです。したがって、◎についても受賞理由と左右対称性の関係が同程度に直接的というわけではありません。特に1979年の電弱統一理論、2008年の南部の研究は、対称性の破れの種類を区別する必要があります。

２．とくに重要な研究の流れ

1957年・物理学賞：左右対称性の破れ

李政道と楊振寧は、弱い相互作用ではパリティが保存されない可能性を指摘しました。呉健雄らによるコバルト60のベータ崩壊実験で実証され、左右対称性が自然界の普遍的法則ではないことが明らかになりました。

1975年・化学賞：生命反応の立体選択性

コーンフォースは酵素が立体的に区別される原子や反応経路を選択する仕組みを、プレローグは有機分子と反応の立体化学を解明しました。生体分子が左右を区別することを理解するための基礎です。

1980年・物理学賞：CP対称性の破れ

パリティ反転Pと粒子・反粒子の交換Cを組み合わせても、自然界は完全には対称でないことを発見しました。時間反転対称性や宇宙の物質・反物質の非対称性を考える重要な出発点です。

2001年・化学賞：人工的に左右を作り分ける

ノールズ、野依、シャープレスは、キラルな触媒を使って一方の鏡像異性体を優先的に合成する方法を開発しました。特に医薬品製造で大きな意味を持つ成果です。

2026年・化学賞：微小な左右差の増幅

カガンは不斉合成における非線形効果を、硤合は不斉自己触媒反応を研究しました。ごく小さな鏡像異性体の偏りが、反応によって大きく増幅され得ることを示した点が重要です。これは生命のホモキラリティの起源に対する有力な化学的手掛かりですが、生命の起源そのものが解明されたわけではありません。

３．物理学と化学の関係についての重要な注意点

物理学のパリティ非保存と、生命におけるホモキラリティは、どちらも「左と右の非対称性」ですが、両者の因果関係は確立していません。

弱い相互作用は本質的に左右を区別します。一方、不斉自己触媒反応では、極めて小さい初期の偏りが、化学反応によって大きく増幅されます。その初期の偏りが弱い相互作用によって生じたのか、偶然の揺らぎによるのか、別の物理化学的過程によるのかは、なお研究課題です。

私が特に重要だと考えるのは、1957年の「自然は左右を区別する」から、2026年の「微小な左右差が化学反応で増幅される」へ至る約70年間の展開です。ただし、これは一直線につながった一つの研究史ではなく、物理学と化学で独立に発展した二つの研究史を比較したものです。